4. 3A算法基础（中）：自动对焦（AF）原理

好，我们接着聊3A算法。上一节讲了自动曝光，这一节轮到自动对焦了。说实话，AF是3A里最让我头疼，也最有成就感的一块。你想想看，用户拿起手机拍照，第一件事就是点屏幕对焦。如果对焦慢了、对错了、或者来回拉风箱，用户立马就会觉得这手机不行。

我在项目里遇到过不少次，明明硬件规格很高，但用户就是抱怨拍照模糊。最后查下来，都是AF tuning没做到位。所以这一节，我把AF的核心原理和tuning要点掰开揉碎了讲清楚。

4.1 自动对焦的两种主流方案

目前手机上的自动对焦，说白了就两大流派：反差对焦（CDAF）和相位对焦（PDAF）。

反差对焦是老祖宗了。它的原理很简单——找图像对比度最大的位置。镜头移动过程中，算法实时计算当前画面的对比度值。当对比度达到峰值时，就认为对焦完成了。

但这里有个问题。你想想看，镜头得先走过峰值点，发现对比度开始下降了，才知道刚才那个位置是最好的。这就意味着它一定会“过头”再回来。所以CDAF天生就慢，而且容易来回振荡。

相位对焦就不一样了。它通过在传感器上做特殊像素（PD像素），直接检测光线入射的角度差异。说白了，它能一次告诉你：“镜头该往哪个方向走，走多远。”不需要来回试探。

我刚开始做高通平台时，觉得PDAF这么先进，那CDAF是不是可以扔了？后来发现不行。PDAF在暗光下精度会下降，而且PD像素本身会损失画质。所以实际方案都是两者结合——光线好时用PDAF快速粗调，然后切到CDAF做精调。

4.2 反差对焦的Tuning要点

虽然现在主流是PDAF，但CDAF作为兜底方案，tuning做不好一样翻车。我总结几个关键点：

4.2.1 搜索窗口的选择

算法不会在全图算对比度，那样太慢了。它会选一个或多个窗口。窗口选在哪？选多大？这直接影响对焦准确性。

• 窗口太小：容易受局部纹理影响，比如人脸眼睛对上了，但耳朵是糊的
• 窗口太大：会把背景算进来，比如拍人时背景是白墙，对比度低，算法就懵了

我个人习惯是：人脸场景下，窗口覆盖人脸区域；普通场景下，窗口覆盖画面中央1/3区域。高通平台里有个参数叫af_roi_weight，可以给不同区域分配权重，这个要好好利用。

4.2.2 搜索步长与速度

CDAF的搜索过程，其实就是镜头一步步移动，每步算一次对比度。步长设大了，速度快但容易错过峰值；步长设小了，精度高但慢得像蜗牛。

步长策略	优点	缺点	适用场景
大步长粗搜	快速定位大致位置	可能跳过峰值	初始对焦、场景切换
小步长精搜	精度高	速度慢	微距、近景
自适应步长	兼顾速度和精度	算法复杂	通用场景

我在项目中踩过一个坑：某款机型在微距模式下，CDAF总是对不准。后来发现是步长设得太大了，微距场景下景深极浅，大步长直接跳过了焦平面。改成自适应步长后，问题解决。

4.3 相位对焦的Tuning要点

PDAF的tuning，核心在于PD像素的校准和置信度判断。

4.3.1 PD像素校准

PD像素本质上是一对“半遮光”的像素。左边像素只看到光线的左半部分，右边像素只看到右半部分。当对焦准确时，两个像素的信号应该相等。如果不等，就说明离焦了。

但问题是，PD像素本身存在制造偏差。即使对焦准确，左右像素的输出也可能不一样。这就需要做校准。

高通平台里有个工具叫PD Calibration Tool，用来生成校准表。校准表里记录了每个PD像素的增益补偿值。我建议在产线上做一次完整的PD校准，否则PDAF的精度会大打折扣。

// PD校准表示例（伪代码）
struct pd_calibration_entry {
    uint16_t pd_x;          // PD像素x坐标
    uint16_t pd_y;          // PD像素y坐标
    int16_t  gain_offset;   // 增益补偿值
    uint8_t  confidence;    // 置信度
};

4.3.2 置信度判断

PDAF不是万能的。在暗光、纯色区域、或者纹理重复的场景下，PD像素算出来的相位差可能不准。这时候就需要置信度机制来兜底。

高通平台里有个参数叫pd_confidence_threshold。当置信度低于这个阈值时，算法会回退到CDAF模式。这个阈值设多少合适？

• 设高了：PDAF经常被禁用，对焦速度变慢
• 设低了：PDAF在暗光下乱跑，对焦不准

我一般建议：室内正常光照下，阈值设在0.6左右；暗光场景（低于50 lux），阈值降到0.3。当然，具体数值要看传感器表现，没有通用值。

4.4 对焦速度与精度的平衡

这是AF tuning里最核心的命题。速度快了精度差，精度高了速度慢。怎么平衡？

我的做法是：分场景、分模式、分距离。

4.4.1 分场景

不同场景对速度和精度的要求不一样：

场景	速度要求	精度要求	推荐策略
拍照预览	高	中	优先PDAF，快速锁定
视频录制	中	高	平滑过渡，避免呼吸效应
微距	低	极高	CDAF精调为主
夜景	低	高	降低PDAF置信度阈值

4.4.2 分模式

高通平台支持多种AF模式：

• CAF（连续自动对焦）：视频场景常用，需要平滑跟踪
• SAF（单次自动对焦）：拍照场景，追求一次到位
• Touch AF（触摸对焦）：用户指定对焦区域，需要快速响应

每种模式的tuning参数都不一样。我见过有人把所有模式用同一套参数，结果CAF模式下镜头抖得厉害，SAF模式下又对不准。

4.4.3 分距离

对焦距离不同，镜头的移动策略也不同。近景（<30cm）时，景深极浅，需要精细控制；远景（>2m）时，景深大，可以粗放一些。

高通平台里有个lens_curve参数，定义了镜头位置和实际对焦距离的映射关系。这个曲线一定要标定准确，否则算法算出来的位置和实际焦平面不匹配。

4.5 AF Tuning的完整流程

说了这么多，我画个流程图，把AF tuning的整体脉络理清楚。

4.6 实战中的常见问题

最后，我分享几个实际项目中遇到的对焦问题，你们以后碰到了可以少走弯路。

4.6.1 近远切换卡顿

从拍近景切换到拍远景时，镜头需要移动很大行程。如果速度控制不好，画面会突然模糊然后慢慢清晰，用户体验很差。

我的做法是：在检测到场景切换时，先用PDAF快速估算目标位置，然后直接跳转过去，再用CDAF微调。这样用户几乎感觉不到对焦过程。

4.6.2 暗光对焦失败

暗光下PDAF置信度低，CDAF对比度也低，算法容易陷入死循环。我建议在暗光场景下，强制使用CDAF并降低搜索终止条件。哪怕对焦不是最准的，也比来回拉风箱强。

4.6.3 人脸对焦不准

人脸检测框和对焦框如果不一致，会导致人脸对上了但眼睛是糊的。高通平台里有个face_af_mode参数，可以让人脸区域优先对焦。这个一定要打开。